运行档案 / T1:val / 10-01 20:44
G21 快速校准 / A 组
先看终选决定，再沿节点查看方法、代码改动和对话证据。
终选程序?按该运行锁定的规则最终选出的程序；可能是候选节点，也可能由护栏回退到基线。
n8
本运行目标 56.83（种子 0 单次）
节点?搜索树里的每个候选程序。
9
已打分 9
官网分?官网 P2 返回的真实分数。
47.2
官网 P2 返回
大模型调用次数?各角色（调研员、工程师、分析员、审查员）调用大模型的次数。
22
分析员 6、工程师 6、调研员 6、审查员 4
实际结果与评分依据
搜索目标、护栏和诊断分开阅读。不同真值分片或 seed 的同名尺子保留各自记录。
| 尺子 | 用途 | 分数 | 评分上下文 |
|---|---|---|---|
| proxy | 搜索目标复测 | 56.8 | 真值 B 半 / 3 个 seed均值 |
| X1 | 终检诊断 | 47.1 | 全部真值 / 1 个 seed单次 |
| T1:val | 官网结果 | 47.2 | 提交预测对应的评分 |
来历?终选程序从种子程序一步步改过来的路径，每一步都写了改了什么、分数变了多少。
括号里的分差只表示变化方向，不代表统计显著性。
n2 种子
seed heart_jcf_peri
搜索目标分 56.23 · proxy 56.23 · 3 次复测均分 56.61
审查意见?审查员（Reviewer）检查程序是否越界读取、写死目标或钻评分器漏洞后的意见。 通过 seed (human-written, locked)
↓
类型内成熟度选择重加权：心脏/SHF 类按 sarcomere↑−Isl1/Fgf10/Tbx1↓ 轴、JCF/心包类按 Tbx18/Wt1/Tcf21 轴，类型内 z 标准化后以 exp(β·z)（β=0.5）做 A-Res 无放回加权抽 4000 真实细胞；类型级组成权重与父节点相同，表达零位移。
搜索目标分 56.82（+0.6） · proxy 56.82（+0.6） · 3 次复测均分 56.83
分析员结论?分析员（Analyst）看完分数后写下的第一条经验。：榜分 56.82 vs 父 56.23 仅 +0.59（噪声 ±2 内），未达计划预设的 +1.5 采纳阈，不能视为有效提升；Engineer 自己也承认配对双 seed 均值仅 +0.14。
审查意见 通过 检查1（越界读取）：未发现问题——run.py 仅通过 src.task1_temporal.view_io 的 load_manifest/panel_genes/read_stage 读取 manifest 输入阶段（inputs_by_time(manifest)[-1]，run.py:160-163），无绝对路径、..、/mnt、data/raw、下载或目标阶段文件访问。; 检查2（硬编码目标统计量）：未发现问题——代码只含类型
搜索树?每个点是一个节点，连线从父节点指向子节点；颜色表示结果。
蓝色粗线是来历路径；鼠标停在点上看节点，点一下打开节点页。
已打分?程序正常跑完并拿到分数。
搜索分数的变化?横轴是从运行开始算起的分钟数，纵轴是到那时为止最好的搜索目标分。
全部节点与对话（9）
| 节点 | 父节点 | 操作?种子：人写的起点；改进：在父节点上改；草稿：从头写；修复：修父节点的报错。 | 状态 | 搜索目标分?搜索用来比较节点的分数（各把尺子按权重合成，种子 0 单次）。 | 比父节点?这个节点的分数减去它父节点的分数；正数是变好。 | proxy?替代题：用手头已知阶段造的本地考题，T1 是用 E8.5 预测 E9.5。 | 3 次复测?换 3 个随机种子各跑一次取平均 ± 标准差，比单次分更稳。 | 审查 | 用时?从运行开始到结束（或到现在）的挂钟时间。 | 方法说明?节点程序自带的 METHOD.md：这个程序做了什么、为什么。 |
|---|---|---|---|---|---|---|---|---|---|---|
| n1 | — | 种子 | 已打分 | 50.0 | — | 50.0 | 50.1 | 通过 | 不到 1 分 | seed copy_last |
| n2 | — | 种子 | 已打分 | 56.2 | — | 56.2 | 56.6 | 通过 | 不到 1 分 | seed heart_jcf_peri |
| n3 | — | 种子 | 已打分 | 50.0 | — | 50.0 | 50.1 | 通过 | 不到 1 分 | seed pseudobulk_shift |
| n4 | n2 | 改进 | 已打分 | 56.2 | +0.0 | 56.2 | 56.6 | 通过 | 17 分 | 组成重加权：最新输入阶段按类型加权抽 4000 真实细胞（心脏类×1.6，表面外胚层/EXEM/轴旁中胚层×0.25，丢 Neural Tube），不改表达。本节点系统调参后确认父配置在噪声内最优，原样保留。 |
| n5 | n1 | 改进 | 已打分 | 55.6 | +5.6 | 55.6 | 56.3 | 未审查 | 21 分 | 快照内解剖重加权：以最后一个官方输入阶段（proxy=E8.5）的真实细胞为池，按心脏谱系上调、表面外胚层/轴旁中胚层/胚外中胚层下调、去掉神经管的比例重采样 5118 个真实细胞；表达不做任何位移。 |
| n6 | n2 | 改进 | 已打分 | 56.2 | +0.0 | 56.2 | 56.6 | 通过 | 12 分 | 组成重加权（心脏×1.6、边缘×0.25、去神经管）抽 4000 真实细胞，表达不改；本节点测试的表达位移方向全部无效，保留父方法原样。 |
| n7 | n4 | 改进 | 已打分 | 56.2 | +0.0 | 56.2 | 56.6 | 通过 | 14 分 | 组成重加权：最新输入阶段按类型加权抽 4000 真实细胞（心脏类×1.6，表面外胚层/EXEM/轴旁中胚层×0.25，丢 Neural Tube），不改表达。本节点实验证明快照内伪时间位移全部强负，原样保留父代码。 |
| n8 | n2 | 改进 | 已打分 | 56.8 | +0.6 | 56.8 | 56.8 | 通过 | 12 分 | 类型内成熟度选择重加权：心脏/SHF 类按 sarcomere↑−Isl1/Fgf10/Tbx1↓ 轴、JCF/心包类按 Tbx18/Wt1/Tcf21 轴，类型内 z 标准化后以 exp(β·z)（β=0.5）做 A-Res 无放回加权抽 4000 真实细胞；类型级组成权重与父 |
| n9 | n6 | 改进 | 已打分 | 56.2 | +0.0 | 56.2 | — | 未审查 | 8 分 | 组成重加权（心脏×1.6、边缘×0.25、去神经管）抽 4000 真实细胞、表达不改；本节点测试的增殖驱动组成重加权（按周期基因 per-type z）为强负，回退父代码。 |
资源消耗与失败情况
没有失败节点
| 角色?调研员写计划、工程师改代码、分析员解读分数、审查员检查作弊。 | 大模型调用次数 | 失败 | 总用时 | 输入 token 数?输入 / 输出（含思考）的 token 数，来自接口返回的用量。 | 输出 token |
|---|---|---|---|---|---|
| 分析员 | 6 | 0 | 5 分 | 59,918 | 14,134 |
| 工程师 | 6 | 0 | 58 分 | 256,980 | 93,218 |
| 调研员 | 6 | 0 | 22 分 | 87,801 | 53,705 |
| 审查员 | 4 | 0 | 5 分 | 52,280 | 14,369 |
运行配置与来源
| 运行?一次完整的自动搜索或 Agent 会话，有自己的锁定配置和证据包。 | 20261001-204440-search-t1-g21q-A 10-01 20:44 · 自动搜索 · T1:val · G21 快速校准 · A 组 |
|---|---|
| 题目?比赛的哪道题、哪个阶段，例如 T1:val 是第 1 题的验证阶段。 | T1:val |
| 方式?自动搜索：ERA 式搜索树，多个节点不断改进程序；单 Agent：一个 Agent 会话从头做到尾。 | 自动搜索 |
| 搜索目标?这次运行用哪几把尺子、按什么权重合成分数来比较节点；目标不同的运行，最佳分不能直接比。 | proxy；终检 X1 |
| 状态 | 已结束 |
| 开始 / 结束 | 10-01 20:44 / 10-01 21:34 |
| 用时 | 50 分 / 预算 1 小时 15 分 |
| 所在副本?运行目录所在的代码副本（Spark 上 ~/vec 下的哪个目录）。 | 2026_virtual_embryo |
出处?这次运行用的代码、配置、数据和模型的指纹，靠它们可以原样找回并复现。
| 代码版本?运行锁定时代码仓库的 git 提交号；带 +dirty 表示当时有未提交的改动。 | 1b079590444b55e5d5e5043f4809084e30d1da66 |
|---|---|
| 版本标签?可提交运行在锁定的提交上打的 git 标签 run/<运行编号>，以后能原样找回代码。 | — |
| 配置文件 | /home/spark-longxinyang/vec/runs/formal/20261001-204440-search-t1-g21q-A/config_source.yaml 配置指纹 55314e9a4a6947d0 |
| 锁定指纹?启动时把配置、代码、提示词等全部锁定后算出的总指纹。 | 3fe6a8e374e3e901 锁定格式 v8 |
| 运行专用代码副本?启动时为这次运行单独检出的一份只读代码；运行全程只读它，不受主副本更新影响。 | 目录存在 /home/spark-longxinyang/vec/runs/formal/20261001-204440-search-t1-g21q-A/code |
| 打分口径指纹?打分器、数据视图、种子等合起来的指纹；指纹相同，分数才能直接比较。 | 4307cffa1b3ccb7e |
| 数据视图指纹?程序能看到的输入数据文件的指纹，按视图汇总成一个短指纹。 | final：22 个文件，指纹 edb68fc794d79881 proxy：18 个文件，指纹 166d21c45cc35ede test：19 个文件，指纹 528e8fdd2929e988 |
| 大模型?每个角色用的大模型；括号里是接口实际报告的模型名。 | 分析员：alibaba-token-plan-cn/qwen3.8-max （接口报告 qwen3.8-max） 工程师：alibaba-token-plan-cn/qwen3.8-max （接口报告 qwen3.8-max） 调研员：alibaba-token-plan-cn/qwen3.8-max （接口报告 qwen3.8-max） 审查员：alibaba-token-plan-cn/qwen3.8-max （接口报告 qwen3.8-max） |
| 运行目录 | /home/spark-longxinyang/vec/runs/formal/20261001-204440-search-t1-g21q-A 主机 spark-ad3f |
| 提交账本?notes/changelogs/submissions.tsv：每次上传官网的记录和返回的官网分。 | 第 3 行 · 2026-10-01 · T1:val · 预测文件指纹 e2dd678945862c71 · 官网分 47.2 |
| 迭代报告?运行结束后自动生成的中文复盘报告（notes/reports/runs）。 | 还没有迭代报告 |